面向部分因果识别的基础模型

本文研究因果基础模型的构建，用于从观测数据为干预效应与反事实效应定界。我们表明，可以在具有离散观测变量的结构因果模型空间上定义一个具有完全支撑的规范先验。借助这一规范先验，我们把反事实定界问题转化为学习函数分布的问题——这些函数把数据（以及可能的结构假设）映射到目标因果查询。这将前景可期的因果基础建模范式扩展到部分可识别因果效应的估计，即存在未观测混淆的情形：此时多个取值与观测数据及先验结构假设同样相容。